支持向量机回归是一种重要的机器学习算法,虽然已成功应用于多个领域,但针对复杂系统,单输出支持向量回归算法的训练时间过长并且缺乏实用性。多输出直觉模糊最小二乘支持向量回归(Intuitionistic Fuzzy Least Squares Support Vector R...支持向量机回归是一种重要的机器学习算法,虽然已成功应用于多个领域,但针对复杂系统,单输出支持向量回归算法的训练时间过长并且缺乏实用性。多输出直觉模糊最小二乘支持向量回归(Intuitionistic Fuzzy Least Squares Support Vector Regression,IFLS-SVR)在多输出支持向量机的基础上引入了直觉模糊,解决了不确定多输出复杂系统问题,减少了训练时间。生活中复杂的多输出模型更为常见,文中在传统支持向量回归的基础上对其进行改进,提出多输出IFLS-SVR模型。多输出IFLS-SVR采用直觉模糊算法将实际数据转化为模糊数据,将二次规划优化问题转化为求解一系列线性方程组。与现有的模糊支持向量回归相比,多输出IFLS-SVR采用直觉模糊方法来计算隶属度函数,采用最小二乘法提高了算法的训练效率,减少了训练时间,获得了更精确的解。仿真结果表明,与其他方法相比,多输出IFLS-SVR取得了较好的效果。最后将多输出IFLS-SVR模型应用于复杂的风速风向预测,也取得了较好的效果。展开更多
为分别评估变压器油纸绝缘的老化程度和水分含量,文中通过加速热老化试验和吸潮实验制备了不同老化程度下含水量不同的油浸绝缘纸试品,测试了试品的介损因数频谱和阻抗相位频谱,分析了老化、水分对油纸绝缘频域介电谱特性的影响。采用...为分别评估变压器油纸绝缘的老化程度和水分含量,文中通过加速热老化试验和吸潮实验制备了不同老化程度下含水量不同的油浸绝缘纸试品,测试了试品的介损因数频谱和阻抗相位频谱,分析了老化、水分对油纸绝缘频域介电谱特性的影响。采用多输出支持向量回归算法(multi-output support vectorregression,M-SVR)逼近频域介电谱曲线与油纸绝缘老化和水分之间的非线性映射关系,据此预测油纸绝缘试品的老化程度和水分含量。研究表明,对于含水量在0.5～5.6%范围内、具有不同老化程度的试品,M-SVR对含水量的预测精度较高,而对老化程度的预测精度较低,且均高于RBF神经网络;根据油纸绝缘试品的聚类分析结果,发现与老化程度相关性较大的第1、2类试品,M-SVR对其老化程度的预测精度明显提高,含水量预测精度变化不大。展开更多
双胞支持向量回归TSVR(twin support vector regression)参数的合理选择严重影响回归结果的准确性。该文采用竞争型智能单粒子算法CISPO(competitive intelligent single particle optimizer)优化参数。CISPO针对智能单粒子算法中各因...双胞支持向量回归TSVR(twin support vector regression)参数的合理选择严重影响回归结果的准确性。该文采用竞争型智能单粒子算法CISPO(competitive intelligent single particle optimizer)优化参数。CISPO针对智能单粒子算法中各因子值难以确定的问题,在每次迭代中根据待优化参数的变化情况自动选择最佳的因子值,同时引入迭代竞争因子,避免算法前期陷入混乱,而后期又能更好地找到全局最优值。将基于CISPO优化的TSVR模型应用到电力系统短期负荷预测中,结果表明,该方法能有效提高负荷预测的速度和精度。展开更多
文摘支持向量机回归是一种重要的机器学习算法,虽然已成功应用于多个领域,但针对复杂系统,单输出支持向量回归算法的训练时间过长并且缺乏实用性。多输出直觉模糊最小二乘支持向量回归(Intuitionistic Fuzzy Least Squares Support Vector Regression,IFLS-SVR)在多输出支持向量机的基础上引入了直觉模糊,解决了不确定多输出复杂系统问题,减少了训练时间。生活中复杂的多输出模型更为常见,文中在传统支持向量回归的基础上对其进行改进,提出多输出IFLS-SVR模型。多输出IFLS-SVR采用直觉模糊算法将实际数据转化为模糊数据,将二次规划优化问题转化为求解一系列线性方程组。与现有的模糊支持向量回归相比,多输出IFLS-SVR采用直觉模糊方法来计算隶属度函数,采用最小二乘法提高了算法的训练效率,减少了训练时间,获得了更精确的解。仿真结果表明,与其他方法相比,多输出IFLS-SVR取得了较好的效果。最后将多输出IFLS-SVR模型应用于复杂的风速风向预测,也取得了较好的效果。
文摘为分别评估变压器油纸绝缘的老化程度和水分含量,文中通过加速热老化试验和吸潮实验制备了不同老化程度下含水量不同的油浸绝缘纸试品,测试了试品的介损因数频谱和阻抗相位频谱,分析了老化、水分对油纸绝缘频域介电谱特性的影响。采用多输出支持向量回归算法(multi-output support vectorregression,M-SVR)逼近频域介电谱曲线与油纸绝缘老化和水分之间的非线性映射关系,据此预测油纸绝缘试品的老化程度和水分含量。研究表明,对于含水量在0.5～5.6%范围内、具有不同老化程度的试品,M-SVR对含水量的预测精度较高,而对老化程度的预测精度较低,且均高于RBF神经网络;根据油纸绝缘试品的聚类分析结果,发现与老化程度相关性较大的第1、2类试品,M-SVR对其老化程度的预测精度明显提高,含水量预测精度变化不大。
文摘双胞支持向量回归TSVR(twin support vector regression)参数的合理选择严重影响回归结果的准确性。该文采用竞争型智能单粒子算法CISPO(competitive intelligent single particle optimizer)优化参数。CISPO针对智能单粒子算法中各因子值难以确定的问题,在每次迭代中根据待优化参数的变化情况自动选择最佳的因子值,同时引入迭代竞争因子,避免算法前期陷入混乱,而后期又能更好地找到全局最优值。将基于CISPO优化的TSVR模型应用到电力系统短期负荷预测中,结果表明,该方法能有效提高负荷预测的速度和精度。
